AI Agent

OpenRT: An Open-Source Red Teaming Framework for Multimodal LLMs

OpenRT: 一种用于多模态大语言模型的开源红队框架

Xin Wang, Yunhao Chen, Juncheng Li, Yixu Wang, Yang Yao, Tianle Gu, Jie Li, Yan Teng, Yingchun Wang, Xia Hu

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 OpenRT框架通过模块化设计和高吞吐量运行时，系统性评估多模态大语言模型的安全性，揭示了前沿模型在复杂攻击下的脆弱性。

Digital Homunculi and Institutional Design: Breaking Through the Experimentation Bottleneck

数字人偶与制度设计：突破实验瓶颈

Petr Specian

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出利用生成式AI驱动的数字人偶方法，通过模拟人类行为生成合成数据，以突破民主研究中的实验瓶颈，提升制度创新的效率与可行性。

Comments 28 pages

ReCCur: A Recursive Corner-Case Curation Framework for Robust Vision-Language Understanding in Open and Edge Scenarios

ReCCur：一种递归角落案例校准框架，用于开放和边缘场景中的鲁棒视觉-语言理解

Yihan Wei, Shenghai Yuan, Tianchen Deng, Boyang Lou, Enwen Hu

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 ReCCur通过递归框架实现低计算量的角落案例校准，提升开放和边缘场景下的视觉-语言理解鲁棒性。

The MASK Benchmark: Disentangling Honesty From Accuracy in AI Systems

MASK基准：在人工智能系统中区分诚实与准确性

Richard Ren, Arunim Agarwal, Mantas Mazeika, Cristina Menghini, Robert Vacareanu, Brad Kenstler, Mick Yang, Isabelle Barrass, Alice Gatti, Xuwang Yin, Eduardo Trevino, Matias Geralnik, Adam Khoja, Dean Lee, Summer Yue, Dan Hendrycks

机构 * Center for AI Safety（人工智能安全中心） ； Scale AI 纠错

专题命中 Agent评测 ：agentic(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出MASK基准，通过大规模人工数据集区分LLM的准确性和诚实性，发现大模型虽更准确但不更诚实，简单干预可提升诚实度，强调需加强评估与干预以确保模型可信。

Comments Website: https://www.mask-benchmark.ai

Integrating Multi-Armed Bandit, Active Learning, and Distributed Computing for Scalable Optimization

将多臂老虎机、主动学习和分布式计算集成用于可扩展优化

Foo Hui-Mean, Yuan-chin Ivan Chang

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 ALMAB-DC通过集成主动学习、多臂老虎机和分布式计算，提供了一种高效可扩展的黑箱优化框架，适用于高维和资源密集型优化问题。

Comments 36 pages. Submitted to a conference

Language Model Agents Under Attack: A Cross Model-Benchmark of Profit-Seeking Behaviors in Customer Service

语言模型代理受攻击：客户服务中心中逐利行为的跨模型基准测试

Jingyu Zhang

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)

AI总结 本文提出了一项跨领域基准测试，评估客户服务中心中LLM代理在面对利润驱动攻击时的鲁棒性，揭示了攻击的领域和技术依赖性，并提供了可复现的评估工具。

On measuring grounding and generalizing grounding problems

关于测量 grounding 并推广 grounding 问题

Daniel Quigley, Eric Maynard

机构 * Center for Possible Minds（可能心智中心） ； Indiana University（印第安纳大学） 纠错

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出了一种框架，用于测量和推广 grounding 问题，通过定义不同需求和评估标准，分析了符号、参照、向量和关系四种模式的 grounding 现状，并探讨了其在不同任务中的表现。

Comments resubmission: 39 pages, 85 sources, 3 figures

Signal Whisperers: Enhancing Wireless Reception Using DRL-Guided Reflector Arrays

信号窃听者：利用DRL引导的反射阵列增强无线接收

Hieu Le, Oguz Bedir, Mostafa Ibrahim, Jian Tao, Sabit Ekin

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出基于DRL的反射阵列控制方法，通过多智能体强化学习提升非视线场景下的无线信号接收性能。

Cyber Resilience in Next-Generation Networks: Threat Landscape, Theoretical Foundations, and Design Paradigms

下一代网络中的网络韧性：威胁图景、理论基础与设计范式

Junaid Farooq, Quanyan Zhu

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本书探讨下一代网络中网络韧性的重新概念化与工程化，通过零信任架构、博弈论威胁建模和AI技术，应对复杂威胁挑战。

Towards Signboard-Oriented Visual Question Answering: ViSignVQA Dataset, Method and Benchmark

面向路牌的视觉问答：ViSignVQA数据集、方法与基准

Hieu Minh Nguyen, Tam Le-Thanh Dang, Kiet Van Nguyen

机构 * University of Information Technology, Ho Chi Minh City, Vietnam（胡志明市信息技术大学） ； Vietnam National University（越南国家大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 ViSignVQA首次提出大规模越南语路牌多模态数据集，结合OCR与预训练语言模型，提升低资源语言VQA性能。

Comments Dataset paper; code and data will be released

Perceive and Calibrate: Analyzing and Enhancing Robustness of Medical Multi-Modal Large Language Models

感知与校准：分析和增强医疗多模态大语言模型的鲁棒性

Dunyuan XU, Xikai Yang, Yaoqian Li, Juzheng Miao, Jinpeng Li, Pheng-Ann Heng

机构 * Department of Computer Science and Engineering, CUHK, Hong Kong, China（计算机科学与工程系，CUHK，香港，中国） ； Institute of Medical Intelligence and XR, CUHK, Hong Kong, China（医学智能与XR研究所，CUHK，香港，中国） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出IMC框架，通过感知和校准原则提升医疗多模态大语言模型的鲁棒性，针对视觉和文本模态分别设计PDC和SMS进行噪声校正。

SparScene: Efficient Traffic Scene Representation via Sparse Graph Learning for Large-Scale Trajectory Generation

SparScene: 通过稀疏图学习实现大规模轨迹生成的高效交通场景表示

Xiaoyu Mo, Jintian Ge, Zifan Wang, Chen Lv, Karl Henrik Johansson

机构 * Division of Decision and Control Systems, School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology（决策与控制系统系，电气工程与计算机科学学院，皇家理工学院） ； iFLYTEK Co., Ltd.（iFLYTEK公司） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（机械与航空航天工程学院，南洋理工大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 SparScene通过稀疏图学习实现高效交通场景表示，显著提升大规模轨迹生成的效率和可扩展性。

Comments 13 pages, 7 figures, 5 tables

RHAPSODY: Execution of Hybrid AI-HPC Workflows at Scale

RHAPSODY：大规模执行混合AI-HPC工作流

Aymen Alsaadi, Mason Hooten, Mariya Goliyad, Andre Merzky, Andrew Shao, Mikhail Titov, Tianle Wang, Yian Chen, Maria Kalantzi, Kent Lee, Andrew Park, Indira Pimpalkhare, Nick Radcliffe, Colin Wahl, Pete Mendygral, Matteo Turilli, Shantenu Jha

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)

AI总结 RHAPSODY通过统一抽象实现异构AI-HPC工作负载的并发执行，支持大规模高吞吐量推理和紧密耦合任务耦合。

Probing Scientific General Intelligence of LLMs with Scientist-Aligned Workflows

通过科学家对齐的工作流探测大语言模型的科学通用智能

Wanghan Xu, Yuhao Zhou, Yifan Zhou, Qinglong Cao, Shuo Li, Jia Bu, Bo Liu, Yixin Chen, Xuming He, Xiangyu Zhao, Xiang Zhuang, Fengxiang Wang, Zhiwang Zhou, Qiantai Feng, Wenxuan Huang, Jiaqi Wei, Hao Wu, Yuejin Yang, Guangshuai Wang, Sheng Xu, Ziyan Huang, Xinyao Liu, Jiyao Liu, Cheng Tang, Wei Li, Ying Chen, Junzhi Ning, Pengfei Jiang, Chenglong Ma, Ye Du, Changkai Ji, Huihui Xu, Ming Hu, Jiangbin Zheng, Xin Chen, Yucheng Wu, Feifei Jiang, Xi Chen, Xiangru Tang, Yuchen Fu, Yingzhou Lu, Yuanyuan Zhang, Lihao Sun, Chengbo Li, Jinzhe Ma, Wanhao Liu, Yating Liu, Kuo-Cheng Wu, Shengdu Chai, Yizhou Wang, Ouwen Zhangjin, Chen Tang, Shufei Zhang, Wenbo Cao, Junjie Ren, Taoyong Cui, Zhouheng Yao, Juntao Deng, Yijie Sun, Feng Liu, Wangxu Wei, Jingyi Xu, Zhangrui Li, Junchao Gong, Zijie Guo, Zhiyu Yao, Zaoyu Chen, Tianhao Peng, Fangchen Yu, Bo Zhang, Dongzhan Zhou, Shixiang Tang, Jiaheng Liu, Fenghua Ling, Yan Lu, Yuchen Ren, Ben Fei, Zhen Zhao, Xinyu Gu, Rui Su, Xiao-Ming Wu, Weikang Si, Yang Liu, Hao Chen, Xiangchao Yan, Xue Yang, Junchi Yan, Jiamin Wu, Qihao Zheng, Chenhui Li, Zhiqiang Gao, Hao Kong, Junjun He, Mao Su, Tianfan Fu, Peng Ye, Chunfeng Song, Nanqing Dong, Yuqiang Li, Huazhu Fu, Siqi Sun, Lijing Cheng, Jintai Lin, Wanli Ouyang, Bowen Zhou, Wenlong Zhang, Lei Bai

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 Agent评测 ：workflow(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出基于实用探究模型的科学通用智能定义，通过四个科学家对齐任务构建SGI-Bench，揭示大语言模型在科学推理中的不足，并引入测试时强化学习提升创新性。

Revisiting Task-Oriented Dataset Search in the Era of Large Language Models: Challenges, Benchmark, and Solution

重新审视大语言模型时代任务导向型数据集搜索：挑战、基准测试与解决方案

Zixin Wei, Yucan Guo, Jinyang Li, Xiaolin Han, Xiaolong Jin, Chenhao Ma

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 KATS通过构建任务-数据集知识图和混合查询引擎，解决任务导向型数据集搜索中的挑战，并通过CS-TDS基准测试展示其优越性。

Comments Accepted to Proc. VLDB Endow. (PVLDB), Vol. 19. 14 pages, 8 figures

Human-Centric Open-Future Task Discovery: Formulation, Benchmark, and Scalable Tree-Based Search

以人为中心的开放未来任务发现： formulation、基准和可扩展的树基搜索

Zijian Song, Xiaoxin Lin, Tao Pu, Zhenlong Yuan, Guangrun Wang, Liang Lin

机构 * Zijian Song 1（Song 研究所） ； Xiaoxin Lin 1（Lin 研究所） ； Tao Pu 1（Pu 研究所） ； Zhenlong Yuan 4（Yuan 研究所） ； Guangrun Wang 1,2,3（Wang 研究所） ； Liang Lin 1,2,3（Lin 研究所） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本研究提出HOTD问题，通过CMAST框架在开放未来任务发现中实现最佳性能，显著超越现有LMMs。

Comments accepted to AAAI 2026, 10 pages, 9 figures

Embodied Image Compression

具身图像压缩

Chunyi Li, Rui Qing, Jianbo Zhang, Yuan Tian, Xiangyang Zhu, Zicheng Zhang, Xiaohong Liu, Weisi Lin, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 本文提出具身图像压缩问题，建立EmbodiedComp基准测试，证明现有模型在超低比特率下无法完成简单任务，推动具身AI在现实中的应用。

Comments 15 pages, 12 figures, 3 tables

Tyche: A Hybrid Computation Framework of Illumination Pattern for Satellite Beam Hopping

Tyche：一种用于卫星波束跳跃的混合计算框架

Ziheng Yang, Kun Qiu, Zhe Chen, Wenjun Zhu, Yue Gao

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 Tyche是一种混合计算框架，通过MCTS-BH算法和滑动窗口技术显著提升卫星波束跳跃的计算效率和吞吐量。

ResponsibleRobotBench: Benchmarking Responsible Robot Manipulation using Multi-modal Large Language Models

ResponsibleRobotBench: 使用多模态大语言模型评估负责任的机器人操控

Lei Zhang, Ju Dong, Kaixin Bai, Minheng Ni, Zoltan-Csaba Marton, Zhaopeng Chen, Jianwei Zhang

机构 * University of Hamburg（汉堡大学） ； Agile Robots SE（敏捷机器人公司） ； Technical University of Munich（慕尼黑技术大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 Agent评测 ：agent(abstract)；planning(abstract)

AI总结 ResponsibleRobotBench通过多模态大语言模型评估机器人操控的责任性，涵盖23个多阶段任务，强调安全性、泛化能力和物理可靠性。

Comments https://sites.google.com/view/responsible-robotbench

Feed-O-Meter: Investigating AI-Generated Mentee Personas as Interactive Agents for Scaffolding Design Feedback Practice

Feed-O-Meter：探究AI生成的指导者人设作为交互代理在支架设计反馈实践中的应用

Hyunseung Lim, Dasom Choi, DaEun Choi, Sooyohn Nam, Hwajung Hong

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)

AI总结 Feed-O-Meter通过AI代理帮助学生练习设计反馈，提升其反馈能力和反思能力。

Intervention Strategies for Fairness and Efficiency at Autonomous Single-Intersection Traffic Flows

自主单交叉口交通流的公平性与效率干预策略

Salman Ghori, Ania Adil, Melkior Ornik, Eric Feron

专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)

AI总结 本文提出了一种基于混合整数线性规划的干预策略，用于在无信号灯的交叉口上优化自主代理的公平性与效率，通过仿真验证早干预和公平性意识控制的效果。

AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios

AerialMind：迈向无人机场景中的指称多目标跟踪

Chenglizhao Chen, Shaofeng Liang, Runwei Guan, Xiaolou Sun, Haocheng Zhao, Haiyun Jiang, Tao Huang, Henghui Ding, Qing-Long Han

专题命中 Agent评测 ：agent(abstract)；planning(abstract)

AI总结 AerialMind是首个针对无人机场景的RMOT基准，通过COALA框架和HETrack方法提升无人机的自然语言交互能力与多目标跟踪性能。

Comments AAAI 2026

Large Language Model Based Generative Error Correction: A Challenge and Baselines for Speech Recognition, Speaker Tagging, and Emotion Recognition

基于大语言模型的生成性错误校正：语音识别、说话人标注和情感识别的挑战与基线

Chao-Han Huck Yang, Taejin Park, Yuan Gong, Yuanchao Li, Zhehuai Chen, Yen-Ting Lin, Chen Chen, Yuchen Hu, Kunal Dhawan, Piotr Żelasko, Chao Zhang, Yun-Nung Chen, Yu Tsao, Jagadeesh Balam, Boris Ginsburg, Sabato Marco Siniscalchi, Eng Siong Chng, Peter Bell, Catherine Lai, Shinji Watanabe, Andreas Stolcke

专题命中 Agent评测 ：agent(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本文提出GenSEC挑战，通过大语言模型提升语音识别、说话人标注和情感识别任务的准确性与实用性。

Comments IEEE SLT 2024. The initial draft version has been done in December 2023. Post-ASR Text Processing and Understanding Community and LlaMA-7B pre-training correction model: https://huggingface.co/GenSEC-LLM/SLT-Task1-Llama2-7b-HyPo-baseline

HABIT: Human Action Benchmark for Interactive Traffic in CARLA

HABIT: 交互交通中的人类行为基准

Mohan Ramesh, Mark Azer, Fabian B. Flohr

机构 * Intelligent Vehicles Lab, Munich University of Applied Sciences（智能车辆实验室，慕尼黑应用科学大学） 纠错

专题命中 Agent评测 ：agent(abstract)；autonomous agent(abstract)

AI总结 HABIT是一个高保真度的交互交通人类行为基准，通过整合现实人类运动数据提升自动驾驶模拟的真实性，揭示现有自动驾驶代理在复杂场景下的性能缺陷。

Comments Accepted to WACV 2026. This is the pre-camera-ready version

When Top-ranked Recommendations Fail: Modeling Multi-Granular Negative Feedback for Explainable and Robust Video Recommendation

当顶级推荐失效时：建模多粒度负面反馈以实现可解释且稳健的视频推荐

Siran Chen, Boyu Chen, Chenyun Yu, Yi Ouyang, Cheng Lei, Chengxiang Zhuo, Zang Li, Yali Wang

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)

AI总结 本文提出ENF框架和S-GRPO算法，通过多粒度负面反馈建模提升视频推荐的可解释性和鲁棒性，实验表明在负面反馈预测和用户满意度提升方面效果显著。

Comments Accepted in AAAI 2026

RefDrone: A Challenging Benchmark for Referring Expression Comprehension in Drone Scenes

RefDrone：一种针对无人机场景中指称表达理解的挑战性基准

Zhichao Sun, Yepeng Liu, Zhiling Su, Huachao Zhu, Yuliang Gu, Yuda Zou, Zelong Liu, Gui-Song Xia, Bo Du, Yongchao Xu

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

AI总结 RefDrone提出了一种针对无人机场景中指称表达理解的挑战性基准，通过RDAgent和NGDINO方法提升了多目标和无目标情况下的识别性能。

The Shawshank Redemption of Embodied AI: Understanding and Benchmarking Indirect Environmental Jailbreaks

具身AI的肖申克救赎：理解与评估间接环境劫持

Chunyang Li, Zifeng Kang, Junwei Zhang, Zhuo Ma, Anda Cheng, Xinghua Li, Jianfeng Ma

机构 * Xidian University（西安电子科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 Agent评测 ：agent(abstract)；AI agent(abstract)

AI总结 本文提出了一种新型的间接环境劫持攻击，通过环境注入的恶意提示劫持具身AI，并设计了自动攻击生成和基准评估框架，评估结果显示其在多个任务场景中表现优异。

Can Machines Think Like Humans? A Behavioral Evaluation of LLM Agents in Dictator Games

Ji Ma

机构 * Gradel Institute of Charity, New College, University of Oxford（格拉德学院，牛津大学） 纠错

专题命中 Agent评测 ：AI agent(abstract)；分类 cs.AI、cs.CL、cs.LG

Incremental DRL-Based Resource Management for Dynamic Network Slicing in an Urban-Wide Testbed

Haiyuan Li, Yuelin Liu, Hari Madhukumar, Amin Emami, Xueqing Zhou, Yulei Wu, Xenofon Vasilakos, Shuangyi Yan, Dimitra Simeonidou

专题命中 Agent评测 ：agent(abstract)；multi-agent(abstract)

LLM-driven Provenance Forensics for Threat Investigation and Detection

Kunal Mukherjee, Murat Kantarcioglu

专题命中 Agent评测 ：agent(abstract)；agentic(abstract)